买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉山东大学申请的专利一种空间转录组的双重自监督聚类分析方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115985403B 。

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211418640.5，技术领域涉及：G16B40/30；该发明授权一种空间转录组的双重自监督聚类分析方法及系统是由高瑞;于娜;张道良;刘治平;谯旭设计研发完成，并于2022-11-14向国家知识产权局提交的专利申请。

本一种空间转录组的双重自监督聚类分析方法及系统在说明书摘要公布了：本发明提出了一种空间转录组的双重自监督聚类分析方法及系统，涉及生物信息学领域,对待分析的空间转录组数据进行预处理，得到由基因表达数据、细胞图像特征和邻接矩阵组成的样本数据；将样本数据输入到训练好的双重自监督模型中进行聚类，得到样本数据的聚类分布；依据聚类分布，得到细胞标签，作为最终识别的细胞类型；所述双重自监督，是线性自编码器的自我监督训练和构建全局目标分布监督图卷积神经网络编码器的训练；本发明通过线性自编码器的自我监督训练和构建全局目标分布监督图卷积神经网络编码器的训练，以双重自监督的方式，提高编码器的训练效果，实现对空间转录组细胞的高效准确分类识别。

本发明授权一种空间转录组的双重自监督聚类分析方法及系统在权利要求书中公布了：1.一种空间转录组的双重自监督聚类分析方法，其特征在于，包括： 对待分析的空间转录组数据进行预处理，得到由基因表达数据、细胞图像特征和邻接矩阵组成的样本数据； 将样本数据输入到训练好的双重自监督模型中进行聚类，得到样本数据的聚类分布; 依据聚类分布，得到细胞标签，作为最终识别的细胞类型； 所述双重自监督，是线性自编码器的自我监督训练和构建全局目标分布监督图卷积神经网络编码器的训练； 所述线性自编码器，以细胞基因表达与细胞图像特征为输入，输出第一聚类分布Qz，具体为：用训练好的编码器对细胞基因表达与细胞图像特征进行学习，得到融合编码特征z，基于融合编码特征z，计算第一聚类分布Qz； 所述图卷积神经网络编码器，以PCA降维后的基因表达矩阵、邻接矩阵和线性自编码器学习到的融合编码特征为输入，输出第二聚类分布Qh，具体为：用训练好的图卷积网络对邻接矩阵和融合编码特征进行学习，得到图嵌入特征h，基于图嵌入特征h，计算第二聚类分布Qh； 所述线性自编码器的自我监督训练，是将重构损失函数和第一目标分布Pz构建的第一KL散度损失函数，作为线性自编码器的损失函数，监督线性自编码器的训练过程； 所述构建全局目标分布监督图卷积神经网络编码器的训练，是将第一目标分布Pz和第二目标分布Ph进行拼接，得到全局目标分布P，使用全局目标分布P构建第二KL散度损失函数，监督图卷积神经网络编码器的训练过程。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东大学，其通讯地址为：250061 山东省济南市历下区经十路17923号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。